尼泊尔法律AI助手：简单问题准确率0.82，RAG框架让法律咨询不再难！
NepKANUN: A RAG-Based Nepali Legal Assistant
📖 AI 总结
尼泊尔的法律信息获取长期受困于术语复杂、资源匮乏和错误信息泛滥。为此，研究者开发了NepKANUN——一个面向尼泊尔法律文本的AI法律助手，基于微调后的大语言模型，并整合检索增强生成（RAG）框架，能够针对自然语言法律提问给出精准、简洁的回答。该系统使用专门构建的高质量问答对数据集训练，在BERTScore评估中，简单、中等、复杂三类问题的F1分数分别达到0.82、0.77和0.71，专家评审也进一步验证了其可用性。该研究的意义在于，通过结合生成与检索并聚焦定制化法律数据，为尼泊尔法律知识的普及化获取提供了一条可行路径。
🔑 关键词速览
| 检索增强生成 (RAG) | 一种结合信息检索与大语言模型生成的技术，先从知识库检索相关文档，再基于检索结果生成答案。 |
| 大语言模型 (LLM) | 基于海量文本训练、具备强大自然语言理解和生成能力的深度学习模型，如GPT系列。 |
| BERTScore | 一种基于BERT上下文嵌入的文本生成评估指标，通过计算生成文本与参考文本的语义相似度来评价质量。 |
| F1分数 | 精确率和召回率的调和平均数，用于综合衡量模型在分类或生成任务中的性能。 |
| 微调 | 在预训练模型的基础上，使用特定领域的数据进一步训练，使模型适应特定任务或领域。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅